2.765

2022影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

子模式典型相关分析及其在人脸识别中的应用

洪泉 陈松灿 倪雪蕾

洪泉, 陈松灿, 倪雪蕾. 子模式典型相关分析及其在人脸识别中的应用. 自动化学报, 2008, 34(1): 21-30. doi: 10.3724/SP.J.1004.2008.00021
引用本文: 洪泉, 陈松灿, 倪雪蕾. 子模式典型相关分析及其在人脸识别中的应用. 自动化学报, 2008, 34(1): 21-30. doi: 10.3724/SP.J.1004.2008.00021
HONG Quan, CHEN Song-Can, NI Xue-Lei. Sub-pattern Canonical Correlation Analysis with Application in Face Recognition. ACTA AUTOMATICA SINICA, 2008, 34(1): 21-30. doi: 10.3724/SP.J.1004.2008.00021
Citation: HONG Quan, CHEN Song-Can, NI Xue-Lei. Sub-pattern Canonical Correlation Analysis with Application in Face Recognition. ACTA AUTOMATICA SINICA, 2008, 34(1): 21-30. doi: 10.3724/SP.J.1004.2008.00021

子模式典型相关分析及其在人脸识别中的应用

doi: 10.3724/SP.J.1004.2008.00021
详细信息
    通讯作者:

    陈松灿

  • 中图分类号: TP391

Sub-pattern Canonical Correlation Analysis with Application in Face Recognition

More Information
    Corresponding author: CHEN Song-Can
  • 摘要: 传统的典型相关分析 (CCA) 是有效的特征提取方法之一, 已广泛应用于包括人脸识别在内的模式识别的许多领域. 但在人脸识别为代表的高维小样本问题上该方法存在如下不足: 1) 人脸识别的小样本特性使 CCA 两组特征矢量构成的总体协方差矩阵奇异, 难以直接应用; 2) 作为一种全局线性投影方法, 不足以很好地描述非线性的人脸识别问题; 3) 缺乏对局部变化的识别鲁棒性. 本文受已提出的子模式主分量分析 (SpPCA) 的启发, 提出了子模式典型相关分析 (SpCCA). 该方法将局部与全局特征矢量之间的相关性特征作为有效的判别信息, 既达到了融合局部与全局信息的目的, 又消除了特征之间的信息冗余. 通过子模式的划分, SpCCA 避免了小样本问题, 更好地描述了非线性的人脸识别问题; 并通过投票方式融合结果, 增强了对局部变化的鲁棒性. 在 AR 与 Yale 两个人脸数据集上的实验证实了该方法比对比方法不仅有更优的识别性能, 而且更加稳定和鲁棒.
  • 加载中
计量
  • 文章访问数:  3026
  • HTML全文浏览量:  67
  • PDF下载量:  2547
  • 被引次数: 0
出版历程
  • 收稿日期:  2006-07-19
  • 修回日期:  2007-03-28
  • 刊出日期:  2008-01-20

目录

    /

    返回文章
    返回